Вероятность и статистика · объяснение и практика

Два источника нулей: почему нулевой счёт не определяет скрытую группу

Различаем структурный ноль и случайное отсутствие событий в работающем счётчике. Выводим вероятность скрытой группы после нулевого наблюдения и проверяем среднее с дисперсией смеси.

Рука ставит оранжевый столбик между двумя синими столбиками разной высоты.

В теме Случайные величины и распределения · Учебная карта

Главная мысль

Пусть с вероятностью π счёт обязательно равен нулю, а с вероятностью 1−π он имеет распределение Пуассона с параметром λ>0. При 0≤π<1 вероятность нулевого наблюдения равна π+(1−π)e⁻λ. Увиденный ноль не определяет скрытую группу: он возможен и в обычной пуассоновской части. Вероятность структурной группы после нуля равна π/[π+(1−π)e⁻λ].

Нулевая запись может возникнуть двумя путями

В учебной модели настольный счётчик в начале сеанса либо отключён, либо работает. Отключённый всегда записывает ноль. Работающий за фиксированный интервал считает события по заданному пуассоновскому закону и тоже иногда записывает ноль. Пусть вероятность отключения равна одной пятой, а параметр работающего счётчика — двум. Тогда нулевая запись имеет вероятность 1/5+(4/5)e⁻², приблизительно 0,3083.

Члены суммы отвечают несовместным скрытым состояниям. Их нельзя складывать без весов либо считать ноль однозначным признаком отключения. Для положительного целого k структурная часть не даёт вклада: P(X=k)=(1−π)e⁻λ λᵏ/k!. Весь положительный хвост взвешен одинаково, а дополнительная масса помещена только в ноль. Веса и пуассоновский параметр являются частями одной модели и требуют отдельного задания.

После нуля пересчитываем долю скрытой группы

Среди всех нулевых сеансов структурные нули занимают только свой вклад в общую вероятность. Поэтому требуется деление по формуле условной вероятности, а не сохранение исходного веса π. В модели с π=1/5 и λ=2 результат примерно равен 0,6488. Нулевой счёт увеличил правдоподобие отключения, но не сделал его достоверным. Положительный счёт, напротив, исключил бы структурную группу в рамках точно указанной модели.

Если известна только общая доля нулей, восстановить оба параметра без дополнительных сведений нельзя. Разные пары параметров могут давать одинаковую нулевую массу. Чтобы различать модели по данным, используют и положительные счёты либо информацию о скрытом режиме. Сам факт частых нулей ещё не доказывает именно такое устройство наблюдаемого процесса.

Пример

Вероятность структурного нуля π=1/3, параметр обычной части λ=ln4. После нулевой записи найдите вероятность структурной группы.

Обычная часть даёт ноль с вероятностью e⁻ln4=1/4. Общая нулевая масса равна 1/3+(2/3)·(1/4)=1/2. Структурный вклад 1/3 делим на 1/2: получаем 2/3, а не исходные 1/3 и не единицу.

Одна средняя интенсивность не заменяет смесь

Среднее счёта равно (1−π)λ. Дисперсия равна (1−π)λ+π(1−π)λ²: первый член описывает внутренний пуассоновский разброс, второй — различие скрытых средних нулевой и активной групп. При 0<π<1 дисперсия строго больше среднего. Один пуассоновский закон с тем же средним не воспроизводит автоматически эту дисперсию и нулевую массу. Замена λ средним всей смеси теряет информацию о режимах.

При π=0 остаётся обычный пуассоновский счёт, и условная вероятность структурной группы равна нулю. Параметр π=1 даёт постоянный ноль, а λ по таким данным уже не определяется. Модель не описывает отрицательные или дробные счёты и не устанавливает причину отключения реального прибора. В практическом наблюдении сперва проверяют длительность интервала, полноту регистрации и механизм пропусков, а уже затем выбирают вероятностное объяснение.

От чтения к действию

А теперь — вы

В смеси π=1/4 и λ=ln3. Наблюдён ноль. Какова условная вероятность структурной группы?

Частые вопросы

Каждый ноль из обычной части нужно убрать перед расчётом?

Нет. Эти нули являются настоящими возможными исходами пуассоновской части. Их удаление создало бы другую, усечённую модель.

Дисперсия больше среднего доказывает смесь со структурным нулём?

Нет. Такой разброс возможен и при иных неоднородных или зависимых процессах. Здесь это следствие заданной модели, не её однозначная диагностика.

Источники и работа с материалом

Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.

Продолжить разбираться